一种面向联邦学习后门攻击的多阶段级联防御方法和系统

本发明属于人工智能安全和数据安全技术领域，具体公开了一种面向联邦学习后门攻击的多阶段级联防御方法和系统，方法包括四个阶段：阶段一通过历史轨迹跟踪与双信号融合识别渐进式投毒并触发紧急回滚；阶段二引入径向基核函数的居中核对齐替代传统余弦相似度，配合群体分散度动态调节，对高相似合谋群体交叉降权；阶段三整合多维证据触发硬聚类隔离以保留最可能良性簇；阶段四周期性利用干净数据集对全局模型进行低学习率微调，持续清除后门参数残留。本发明通过四阶段级联协作，系统性填补了现有防御在时序感知、协同辨别与参数净化方面的能力缺口，显著提升了联邦学习系统在多类型后门攻击下的鲁棒性。